基于三维轻量级神经网络的阿尔茨海默病阶段的分类

科学领域:

• 神经成像是一种神经成像.
• 人工智能的人工智能
• 神经学 神经学

背景情况:

• 阿尔茨海默病 (AD) 是一种进展性神经退行性疾病,影响老年人.
• 早期和准确的AD阶段诊断对于有效的管理至关重要.
• 了解与AD进展相关的脑组织变异至关重要.

研究的目的:

• 开发和评估3D轻量级神经网络,用于对阿尔茨海默病的阶段进行分类.
• 探索阿尔茨海默病不同阶段与特定脑组织变异之间的关系.
• 确定AD分类中神经成像数据的最佳预处理方法.

主要方法:

• 磁共振图像 (MRI) 使用CAT12预处理成标准化,细分标准化灰质和细分标准化白质图像.
• 使用预处理的图像类型训练了四种类型的3D轻量级神经网络.
• 用准确性,精度和回忆指标来评估分类性能.

主要成果:

• 神经网络实现了>96%的准确性和>94%的精度/回忆,用于分类认知正常,轻度认知障碍和阿尔茨海默病阶段.
• 分段标准化灰色物质图像为分类认知正常个体提供了最好的结果.
• 标准化图像提供了对轻度认知障碍和阿尔茨海默病阶段的最佳分类.

结论:

• 三维轻量级神经网络在分类阿尔茨海默氏病阶段方面表现出高效.
• 灰质变异在阿尔茨海默病早期阶段更有迹象,而随着疾病的进展,白质变异变得显著.
• 这些发现突出了人工智能驱动的神经成像分析在阿尔茨海默病诊断和理解方面的潜力.